Efficient Optimization of Higher-Order PML Based on Surrogate-Assisted Evolutionary Algorithm

Kun‐Lai Li

doi:10.1109/tap.2026.3720541

Efficient Optimization of Higher-Order PML Based on Surrogate-Assisted Evolutionary Algorithm

2026-08-10

0

PRE

AI

DOI：10.1109/tap.2026.3720541

原文链接

原文求助

摘要

En 中文

高阶完全匹配层（HO-PML）为截断有限差分时域（FDTD）网格提供了优越的吸收性能；然而，其应用潜力受到优化其12个PML参数的困难严重制约。该优化任务具有多参数、非凸且计算成本高昂的黑箱问题特征，呈现出病态的适应度景观。为解决这些挑战，本文提出了一种专门的代理模型辅助进化算法（SAEA）框架，该框架系统地集成了并适应了成熟的代理模型构建和进化搜索组件，用于HO-PML参数优化。首先，引入了一种混合Kumaraswamy-线性搜索空间映射，以适应PML参数不同的物理敏感性，将不规则物理搜索空间转换为归一化搜索空间。其次，建立了一个具有自动相关性确定（ARD）核的高斯过程（GP）代理模型。该模型不仅以严格的置信度量化近似目标函数，还能自动识别主导PML参数。第三，设计了一种由协方差矩阵自适应进化策略（CMA-ES）和Nelder-Mead单纯形法驱动的并行混合批处理填充策略，以平衡全局探索和局部开发。在经典的PEC平板场景和复杂的交叉介质探地雷达（GPR）传感场景中进行了数值验证。在经典的PEC平板场景中，SAEA框架相对于现有文献中采用的参考参数配置，将最大频域反射系数（MFDRC）降低了37.51 dB。在更具挑战性的GPR传感场景中，SAEA框架进一步将MFDRC降低至-80.82 dB，这一水平是经验设计无法达到的。此外，在有限的计算预算内，SAEA框架在收敛效率和解的质量方面显著优于通用优化器和先前的代理模型方法。而且，优化后的参数在不同电磁环境中表现出稳健的迁移能力。

Keyword:

Finite-difference time-domain (FDTD)

Gaussian process

optimization methods

perfectly matched layer (PML)

surrogate model

Efficient Optimization of Higher-Order PML Based on Surrogate-Assisted Evolutionary Algorithm

摘要

期刊

机构

引用论文